本次分享的是一個(gè)可以用于畢業(yè)設(shè)計(jì)參考的人臉識(shí)別項(xiàng)目，由FJNUThomas分享。如果有做人臉識(shí)別畢設(shè)的同學(xué)，可以在此基礎(chǔ)上，做更深入的研究，源碼下載方式見文末。下面是設(shè)計(jì)步驟： 硬件及環(huán)境：

樹莓派3B V1.2

攝像頭羅技C170

樹莓派系統(tǒng)：bullseye

python 3.9.2

opencv-python 4.5.3.56

opencv-contrib-python 4.5.3.56

numpy 1.21.0

關(guān)于樹莓派安裝opencv的步驟，可以參考下面這篇博文：

https://blog.csdn.net/m0_46190150/article/details/121501093

人臉檢測(cè)

我們實(shí)現(xiàn)人臉識(shí)別的前提事件是人臉檢測(cè)，只有檢測(cè)到人臉，才能夠收集到人臉的數(shù)據(jù)。我們用的是opencv自帶的分類器：

haarcascade_frontalface_default.xml

代碼實(shí)現(xiàn)：

importcv2faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')cap=cv2.VideoCapture(0)        cap.set(3, 640)  # set Weightcap.set(4,480)#setHeight        while True:            ret, img = cap.read()            img = cv2.flip(img, 1) #如果攝像頭倒置，將1改成-1            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)            faces = faceCascade.detectMultiScale(gray,                scaleFactor=1.2,minNeighbors=5,                minSize=(20, 20)                )
            for (x, y, w, h) in faces:                cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)                roi_gray = gray[y:y + h, x:x + w]roi_color=img[y:y+h,x:x+w]
            cv2.imshow('video', img)
            k = cv2.waitKey(30) & 0xff            if k == 27:  # Esc for quit                break        cap.release()        cv2.destroyAllWindows()

在python3下運(yùn)行如上代碼可以完成人臉檢測(cè)的功能。

圖像采集

人臉識(shí)別的本質(zhì)其實(shí)就是構(gòu)建一個(gè)人臉信息的數(shù)據(jù)庫，電腦比對(duì)攝像頭采集到的人臉信息和數(shù)據(jù)庫中存放的數(shù)據(jù)，從而得到一個(gè)比對(duì)的結(jié)果。 圖像采集需要我們?cè)?py文件同目錄下新建一個(gè)文件夾，用于存放采集得到的圖片。

mkdir data

采集得到的圖片越多，構(gòu)建的數(shù)據(jù)庫越完善，判斷成功的概率也越高，但圖片太多同樣會(huì)降低比對(duì)時(shí)的速度。 我這里是設(shè)置了每0.2s拍一張照片，按ecs或拍滿40張照片時(shí)退出。

k = cv2.waitKey(200) & 0xff  # ESC退出and每0.2s拍一張            if k == 27:                break            elif count >= 40:  # 拍40張照片                break

圖像采集示例（這邊需要我們?cè)诮K端輸入id號(hào)，我這邊輸入4） 采集得到的圖片：

開始訓(xùn)練

訓(xùn)練是opencv人臉識(shí)別的重中之重。opencv為我們提供了多個(gè)內(nèi)置函數(shù)，調(diào)用這些函數(shù)能夠幫助我們訓(xùn)練得到自己的訓(xùn)練集這邊我采用的是：

 recognizer.train（）

在開始訓(xùn)練之前，我們需要新建一個(gè)空目錄用于存放得到的模型：

mkdir trainer

模型保存為.xml文件，要注意我們的代碼是在樹莓派下跑的，在樹莓派下recognizer.write()是不能夠使用的，因此我們用：

recognizer.write('trainer/trainer.yml')

進(jìn)行保存，訓(xùn)練成功實(shí)例 ?

人臉識(shí)別

通過了前三個(gè)步驟，我們已經(jīng)有了一個(gè)在data文件夾中保存采集到的圖像、在trainer文件夾中保存自己訓(xùn)練的trainer.xml模型的文件了，我們就進(jìn)入到了最后一步，也就是傳說中的人臉識(shí)別了。人臉識(shí)別實(shí)例： 可以看到，系統(tǒng)識(shí)別出我有73%的概率是彭于晏，識(shí)別的成功率還是很高的、關(guān)于輸出名字的問題，在代碼的這個(gè)部分：

  id = 0  names = ['None', 'pengyuyan', 'xsy', 'rhy']

我們可以在這里修改成自己想要的名字，在代碼中還有這樣的部分：

id,confidence=recognizer.predict(gray[y:y+h,x:x+w])#判斷成功概率>45時(shí)，輸出id,否則輸出unknowif(confidence
 用于修改自己想要的判斷概率。 到這里我們的人臉識(shí)別就基本完成了。

	

	總結(jié)

	通過本項(xiàng)目，可以獲得以下技能：

	學(xué)會(huì)樹莓派的配置，并在樹莓派上配置了環(huán)境

	對(duì)opencv庫有了個(gè)基本的了解，熟悉幾個(gè)內(nèi)置函數(shù)的功能和使用

	對(duì)Linux有了更深刻的理解

	增加了python能力

	不足之處： 在調(diào)試的過程中，發(fā)現(xiàn)在樹莓派上運(yùn)行項(xiàng)目還是有比較明顯的卡頓的，因此有對(duì)代碼進(jìn)行優(yōu)化的想法，查閱資料以后了解到了有一個(gè)東西叫做pypy，嘗試過用pypy對(duì)文件進(jìn)行編碼，奈何寫的代碼是基于python3.9，和當(dāng)前的pypy版本不太匹配，只好暫時(shí)作罷。在之后應(yīng)該會(huì)嘗試進(jìn)行一次重新編譯，感興趣的同學(xué)可以嘗試看看。

	

	   審核編輯：彭靜